Видео

Представление и обработка изображения в виде массива np, вывод множества изображений (например: источника, маски, hsv, выходного изображения) в виде графиков, удаление шумов и прочего на фотографии и тд. А также хотелось бы вообще услышать ответ на вопрос, почему эти 3 библиотеки как будто связаны: имеют некоторые схожие функции, хорошо работают друг-с-другом и по моему даже устанавливаются все вместе (если установить opencv-python).

Спасибо за идею) гайд на OpenCV как-нибудь обязательно будет По поводу таинственной связи NumPy и других библиотек все просто - Matplotlib, Scikit-Learn, OpenCV, Pandas и многие другие используют NumPy для вычислений. И так как NumPy старше всех этих библиотек, он оказал на коммьюнити разработчиков огромное влияние - во многих библиотеках воссоздают похожие интерфейсы (Torch, TensorFlow), чтобы новым разработчикам было легче их освоить. Кстати, об этом есть небольшая врезка в видео о NumPy - я там рассказывал подробнее

Спасибо, постараюсь замедлить обороты) Хочется чтобы код набирался помедленнее или чтобы было больше промежуточных объяснений?

Было бы неплохо узнать чем вы пользовались для создания этого шедевра)

Подмена моего голоса через ElevenLabs

Хотел сделать отдельное видео по кучам, и там же показать HeapSort, за наводку спасибо)

@@mouse-ml да. По Кнуту интересно было. И огого как эффективно

можно) как-нибудь сделаю полноценный ролик

Самый простой способ - по старинке через терминал. Терминал должен открываться по сочетанию клавиш Ctrl+J или через меню. После чего в терминале “python3 <имя файла>”. Терминал может быть любой, необязательно в Zed. Второй способ - настроить Zed в режиме ноутбука. Это позволит запускать скрипты построчно или частями. Тут инструкция: zed.dev/docs/repl#python

Тут все довольно просто - нужно использовать имя класса в кавычках (то есть строку с именем класса). IDE и тайп чекеры такую запись корректно распознают

Создай

ахахахахаха

Дотерам здесь отнюдь не рады

SP - это сокращение от Story Point. Это условная система измерения времени, которую многие команды используют вместо часов. 8 SP это как правило очень много - это может значить 1, 2 или 3 дня работы

Да, сейчас планирую продолжать разборы библиотек, Pandas и Matplotlib на очереди. TensorFlow и Keras сейчас я бы не советовал изучать (хотя я сам с них начал) - вместо них лучше освоить PyTorch - по нему тоже будут разборы

@@mouse-mlМожете пожалуйста рассказать почему сейчас не стоит тратить времени на TensorFlow и Keras?

А почему неправильно? Экспонента в 1, 2 и 3 степени - вроде все так и будет

@ по факту то ошибки и нет, все правильно вычислилось (было бы странно, если бы нет) - экспонента возвелась в степень каждого элемента. Но на самом деле матричная экспонента - это не одно и то же, что возвести в степень экспоненту, показателем которой является каждый элемент этой матрицы. Наверное, будет проще прочитать об этом, но я постараюсь объяснить. Матричная экспонента [А] вычисляется только для квадратной матрицы А. А способов ее вычисления существует несколько - через ряд Тейлора, но это ограничено для таких матриц А, для которых возможно получить замкнутое выражение для из степеней, поэтому зачастую используется приведение к жордановой форме) На самом деле, не подумайте, в моем комментарии нет негатива или какого-то злого помысла, мне видео и подача понравилась, с удовольствием посмотрел, спасибо, да и замечание совсем не к Вам, автор, я лишь сказал о том, что такая запись подразумевает не только то, что было показано)

Буду аккуратнее с терминами, про матричную экспоненту не слышал, либо уже успел забыть после универа Спасибо за пояснения и фидбек)

Скорее в коммьюнити обоих языков был запрос на один и тот же функционал

на видео Zed, сам обычно пишу в PyCharm

@@mouse-ml почему Pycharm >vscode?

Я бы не назвал какой-то из них однозначно лучшим - оба умеют примерно все, тут выбор уже за пользователем. Я долго использовал и тот, и другой, и остановился на PyCharm. Мне больше нравится его функционал из коробки - без кастомизации он уже готов к работе. У него отличная интеграция с виртуальным окружением, он может установить даже определенную версию Python на выбор. По умолчанию включена проверка орфографии, что позволяет избежать ошибок в названиях переменных и методов. При переименовании переменных, перемещении модулей и пакетов PyCharm в большинстве случаев корректно меняет все ссылки на них, избавляя от тонны работы. Поиск по коду в нем мне тоже нравится больше. Но ресурсов PyCharm требует заметно больше, периодически можно наткнуться на не самые понятные лаги интерфейса, баги и внезапное потребление 16 Гб RAM. А еще его работа с удаленными серверами просто ужас по сравнению с VS Code, который умеет открываться даже в Docker контейнере, при этом сохраняя весь свой интерфейс

Но спасибо

Да, сейчас планирую продолжать разборы библиотек, и эти две точно на очереди. Так может и до ML дойдем, давно пора)